Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

dan melacak data dan informasi yang kritis. Manajemen diamanahi DSS. Menyediakan akses cepat pada informasi detil yang tersirat di teks.ST Page 5 . Memfilter. 1. Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. DSS dipandang sebagai pemenang secara organisasi. Penyediaan informasi yang tepat waktu. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). Pencapaian pengurangan biaya.• • • • • • Kebutuhan akan informasi yang akurat. electronic meeting systems. tak terlalu baik.4 Executive Information (atau Support) Systems (EIS atau ESS). seperti: groupware. Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. bilangan. sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. memadatkan. End-user bukanlah programer. Identifikasi masalah (atau juga kesempatan). Mempertemukan berbagai gaya keputusan individu para Eksekutif. Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif. 1. EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif.Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. atau grafik. dan group DSS (ini yang kita gunakan).Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM). Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. Kebutuhan akan informasi baru. sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan. collaborative systems. Dan ini dipenuhi oleh DSS.3 Group Support Systems (GSS). Sistem Pendukung Keputusan – Gunandjar.

ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah. ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan. ataupun pengetahuan secara eksplisit.5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi. sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. • • Perubahan lingkungan yang terjadi sedemikian cepatnya. Ide dasarnya sederhana. Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini. atau pun tak eksak). mungkin tak bisa didapatkan data. Kepakaran ditransfer dari seorang pakar ke komputer. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. • Pada teknologi sebelumnya. informasi. 1.6 Neural Computing (Artificial Neural Network).1. Komputer dapat mencari. • • Merupakan cabang dari aplikasi Artificial Intelligence (AI). Dan seperti seorang pakar. mengolah dan menampilkan kesimpulan yang spesifik. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. ES dibuat untuk menyerupai seorang pakar/ahli. yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya.ST . informasi. pada satu area masalah yang spesifik dan biasanya lebih sempit. maka akan solusinya akan lebih spesifik. tak lengkap. • Pada dunia nyata yang begitu kompleks. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data.

Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat.7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control. Transaction Processing Systems (TPS). 6. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. Office Automation Systems (OAS). dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi. Expert Systems (ES).inventory.production and sales Sistem Pendukung Keputusan – Gunandjar.ST Page 7 . MIS. internal control. Mereka saling berhubungan.envi to Applications Payroll. Pendekatan ini berarti bahwa MSS dipandang canggih. 7. 5.komputer. monitoring Deccision Support Systems (DSS) Long-renge strategic planning. complex Diagnostics strategic planning. Decision Support Systems (DSS) dan Group DSS (GDSS). • Teknologi yang ditujukan untuk mengisi kekurangan ini. MIS. Hubungan antara TPS. 4. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi.sales forecasting. dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan. 1. EIS. OAS. Artificial Neural Network (ANN). Management Information Systems (MIS). Executive Information Systems (EIS). DSS. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional. Contohnya adalah pengenalan pola. record keeping. disebut dengan Neural Computing atau ANN. Expert System (ES) Execytive Information System (EIS) Support top management decision. 2. 3.

drill down External (online)and corporate. operational Scheduled and demand report structured flow. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem. integrated management science models.key indicators Type of information Summary reports.cont rol. used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly).kno wledge base (facts.tra nsfer of expertise Procedural and factual knowledge. exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial. user friendliness Database by management systems. stategies Interfencing.8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc.ST . masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar.intera ctive factual knowledge access.som e symbolic Status access exception reporting. low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1.information Focus Data transactions information integrated problem areas Decisions flexibility. blend of judgment and modeling Numerical The decision system when make complex unstructured. rules) ronmental scanning Tracking.

Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur. Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. di bawah pengawasan mereka. yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. waktu tunggu. tetapi tetap pertimbangan manajer memiliki esensi utama. dimana tujuan. dan lain-lain. • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya. data. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data. dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya.tak diharapkan. misalnya dengan penyediaan laporan dan akses ke data. Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri.ST Page 9 . • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. aturan. dimana prosedur operasi standar. dan batasan-batasan dapat lebih dulu ditentukan. dan dengan mengganti karyawan klerikal. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung.aturan keputusan.

tujuan sistem. Disebabkan beberapa informasi bersifat fuzzy. atau solusi tertentu. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. Sekali suatu masalah (kesempatan) teridentifikasi. yang jelas dapat meningkatkan pengambilan keputusan manajerial. disebabkan karena perbedaan kapabilitas diantara kedua tool. kapan) dan dalam penginterpretasian informasi. terintegrasi. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar.sendiri. bagaimana untuk memonitor. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya.forecasting (misalnya.proses pengambilan keputusan.ST Page 10 . sistem yang berbasis komputer. and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. Menurut kenyataannya. monitoring. tapi saling tak tergantung dan berjalan sendiri. Seluruh area dari proses scanning. membuatnya menjadi powerful.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. Analisis. mereka dapat mengkomplemen satu sama lain. maka kombinasiantara ES dan ANN tentu akan membantu. Proses pengambilan keputusan: 1. MIS. Mengerti masalah (atau kesempatan yang ada). Relasi antara EDP. Disiplin antara ES dan DSS berkembang pararel. 2. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. Step B.Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. Step A. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya.

ANN. 4. Step C. Analisis kualitatif didukung oleh ES. Step D. dan DSS dan/atau ES bisa mendukung tahap ini. Memilih. keputusan untuk mengimplementasikan solusi tertentu dilakukan. 3. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. Pada langkah ini. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES.oleh tool-tool analisis kuantitatif.MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer. EIS.ST Page 11 . Implementasi. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang). Pada tahap ini.NLP. Sistem Pendukung Keputusan – Gunandjar.

Keuntungan utama dari MSS adalah ia dapat diukur. Setiap kategori mendapat dukungan komputer sendiri. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. Semua teknologi MSS adalah interaktif. Sistem Pendukung Keputusan – Gunandjar. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan). EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. Maka metode intuisi dan trial and error tak tepat lagi. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group.• • Manejemen pengambilan keputusan makin lama makin kompleks.ST Page 12 . Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan. tergantung pada derajat struktur dan aktivitas manajerial. detil. • • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting. yang sedia setiap saat. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar.sendiri.

1.BAB 2 PENGAMBILAN KEPUTUSAN. Contohnya adalah bahan baku yang masuk ke pabrik kimia. Proses adalah proses transformasi elemen-elemen dari input menjadi output. Sistem Pendukung Keputusan – Gunandjar. dan Output. 4 fase dalam pengambilan keputusan. atau proses. input data ke komputer. bisa memutuskan untuk memodifikasi input. DSS.Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface. resources. Sistem terdiri dari: Input.yaitu: (1) intelligence. Dari informasi ini. Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. (2) design. Sistem adalah kumpulan dari obyek-obyek seperti orang. Input adalah semua elemen yang masuk ke sistem. pengambil keputusan. Proses. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. yang diakhiri dengan suatu rekomendasi.Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan . 2. GDSS.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4). Sistem. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. Output adalah adalah produk jadi atau hasil dari suatu proses di sistem. dan ES melibatkan satu istilah: sistem. atau malah keduanya.ST Page 13 . EIS. konsep. and (4) implementation. pasien yang masuk ke rumah sakit.kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada.SISTEM. (3) choice. Fase 1 sampai 3 merupakan dasar pengambilan keputusan. yang bertindak sebagai pengontrol.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan.

Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input. Model adalah representasi sederhana atau penggambaran dari kenyataan. misal: suatu sistem di batasi oleh waktu tertentu. biasanya dalam skala tertentu dari bentuk aslinya. atau pun proses. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. 2. 2. speedometer. 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi. aspek fisik. Contoh: sosial. Analog. Contoh: bagan organisasi. Sistem ada di dalam boundary. maka elemen tersebut harus dimasukkansebagai bagian dari environment. sebagai contoh. seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Iconic (Scale). Doing the “right” thing. output. Sistem ini secara penuh mandiri. atau non fisik. Ini mengacu pada hasil atau output dari suatu sistem.Doing the “thing” right. Replika fisik dari sistem. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. Terdapat 3 jenis model: 1. energi. mereka dapat mempengaruhi kinerja dan tujuan sistem.ST Page 14 . Bisa secara fisik. bagan pasar modal. tak tergantung sama sekali. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Sistem Pendukung Keputusan – Gunandjar. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. Sistem ini menerima input (informasi. GUI pada OOPL adalah contoh dari model ini. Namun. dan ekonomi. politik. misal: sistem adalah sebuah departemen di Gedung C. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. hukum. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. dimana environment ada di luarnya. peta.2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan.

Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1. 7.3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata. Page 15 Sistem Pendukung Keputusan – Gunandjar. 3. Model memungkinkan untuk menyingkat waktu. 3. manajer akan seringkali memiliki alternatif-alternatif pilihan. Akibat samping dari error yang terjadi besar pengaruhnya. Terlalu banyak alternatif untuk dicoba. • Simulasi. 6. Tapi ini tak berjalan bila: 1. 2. Dengan adanya komunikasi dan teknologi canggih sekarang ini. karena kalau pun bisa akan memakan waktu lama dan sulit.3. Lingkungan sekarang yang makin berada dalam ketidakpastian. bahkan bisa tak terhitung. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi. Matematis (Kuantitatif). Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.ST . Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.kemungkinan solusi yang banyak sekali. 2. 5. 2. Lingkungan itu sendiri selalu berubah. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. 4.

Prediksi hasil. Kepemilikan masalah. Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah. Proses pengambilan keputusan. Penguraian masalah. Skenario. Tahap ini meliputi pembuatan.Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Pengukuran hasil. 2. pengembangan.5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar. dan divalidasi.• • • Optimisasi Heuristic.4 Design Phase. yaitu: • • • • • • • Komponen-komponen model. Struktur model. Juga model dari masalahnya dirancang. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi). Klasifikasi masalah. Pengembangan (penyediaan) alternatif.ST Page 16 . dan analisis hal-hal yang mungkin untuk dilakukan. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan. dites. 2.

proses dan pengambil keputusan. Model banyak digunakan dalam MSS. Semua sistem dipisahkan dari lingkungannya dengan suatu batas. liquidity level of invesmentn Advertising budget. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. analog Page 17 Sistem Pendukung Keputusan – Gunandjar. Pemecahan masalah juga mengacu pada evaluasi peluang. period of share. amounts. output. earning per prime rate competition timing Customers income. and return. Sistem terdiri dari input. berinteraksi dengan lingkungannya. yang bisa dalam bentuk iconic. tax rates Delivery distance .Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment.ST . Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . Sistem dapat terbuka. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers. regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen. DSS utamanya berhubungan dengan sistem yang terbuka. atau tertutup.

Sistem Pendukung Keputusan – Gunandjar. dan implementation. suatu model sistem dibuat. design. hasil diprediksi. dan metodologi keputusan dibuat. Berbagai teknik pencarian disediakan. alternatif dihasilkan. kriteria pemilihan ditetapkan. optimisasi. diklasifikasikan.ST Page 18 . Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. Pada fase choice. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah. atau heuristic. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS. berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. Gaya keputusan manusia harus dikenali dalam mendesain MSS. masalah (peluang) diidentifikasikan. Pengambilan keputusan melibatkan 4 fase utama: intelligence. Dalam evaluasi alternatif. Pada fase design. choice. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. Pada fase intellegence. dan diuraikan (jika diperlukan). harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas.atau matematis. Pemodelan dapat menggunakan teknik simulasi.

Internal. 3.Data derived by ensure the accuracy of raw an individual were generated data. Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. services. diagram. jamannya Christianto Wibisono sebelum pindah ke Australia). Contoh: PDBI (dulu. dan televisi. Contoh: metode time studies (selama observasi). 1. Contoh: data mengenai karyawan dan penggajiannya. Problem Data are not correct. atlas. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. carefully monitor both the data values and the manner in which the data were generated. Eksternal. musik. 2. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. Juga gambar. atau suara.1 Sumber Data 3 sumber data adalah dari: internal. dan proses. dan personal. observasi (misal dengan menggunakan kamera video). Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). berita/informasi dari BEJ/BES. the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar. eksternal. Data ini mengenai orang. Biro Pusat Statistik. Whenever derived data carelessly. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. Pilihlah data eksternal yang relevan saja. karena banyak tak relevan dengan MSS yang diinginkan. are submitted. Bentuknya bisa berupa CD-ROM. Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu. survey (menggunakan kuisoner). dan lain-lain. Personal. Modify the system for The method for generating generating the data.ST Page 19 . • Instrumen dan sensor. 3.BAB III MANAGEMENT DATA 3. Contoh: perkiraan penjualan atau opini mengenai kompetitor. film. meminta pendapat pakar (misal dengan mewawancarainya).2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. produk.

struktur file yang kompleks.to meet the need for the data. Delphi. 4GLs memiliki keuntungan: • Result-oriented. Diikuti dengan Object-oriented Language: C++. 3. C#. Problem-oriented Language. dll. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. dan Pascal. • • • Procedural Languages. of the analysis.No one ever stored data needed now Whether or not it is useful now. store data for future use. FORTRAN.ST . PHP. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar. Futher more the data may not found when they needed. difficult to develop and maintain. Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. pengambilan. dan keamanan data yang lebih baik dari sekedar database biasa. A detailed model contains so many coefficients that it is models. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya. Software Database. pengubahan dan penampilan data secara cepat. Nonprocedural Fourth-generation Language (4GLs). This may be impractical because of the cost of storing and maintaining data. Data are not measured or indexed properly. Contoh: BASIC.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. Make an effort to generate the data or to estimate them if they concern the future. COBOL. Needed data simply do not exist Required data never existed. Java.

Environment untuk applications development. Environment untuk information consumers.sekitar 300 kali lipat untuk berbagai aktivitas. FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer. i. Micro-to-mainframe environment. Fourth-generation Systems.4. Extended data access. dan buat pembangunan DSS membuatnya menjadi lebih mudah . Fitur-fitur ini adalah: a. 3. Modeling language. Sebagai tool ideal untuk pusat informasi (Information Centers). satu DBMS dapat dibuat dengan 4GL. Client/server management. Fourth-generation DBMS. j. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. Graphic enhancement. f. h. Nonprocedural language untuk data maintenance. Screen definition dan management facility. dan dibangunnya itu adalah dari sekedar konsep kasar. DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. m. c. Sistem Pendukung Keputusan – Gunandjar.ST Page 21 . Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. sebab 4GLs dirancang baik untuk spesialis maupun end-user. Relational language. • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS. l. n. Nonprocedural report writer (atau report generator). k. Sehingga merupakan tool pengembangan yang efektif. Query language. Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. b. Applications management. d. g. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain. sebagai contoh. Sebagai suatu MSS generator untuk membangun aplikasi tertentu. e.

Sehingga mirip seperti pohon. • SQL.ST Page 22 . Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. data mudah dikembangkan atau diubah. • Relational Database.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. SQL adalah bahasa nonprocedural dan user-friendly. yang melibatkan gambar-gambar dan relasi yang juga kompleks.6 Object-oriented Database. Aplikasi MSS yang kompleks. termasuk koneksi rumit diantara item-item yang berelasi. Digunakan untuk akses online ke database. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. Arsitektur database hierarchical. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. Menyusun item data dalam gaya top-down. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS. DB2. membuat link lojikal diantara item data yang berelasi. dan untuk fungsi-fungsi administrasi database. network. • Network. dan Supra). 3. misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks. Struktur ini disebut dengan model CODASYL.3. untuk berbagai produk operasi DBMS dari program. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item. Ingres. dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. Hierarchical. Struktur ini mengijinkan link yang kompleks. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle. atau bagan organisasi.

G-Base.Program spreadsheet berhubungan dengan aspek pemodelan DSS. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. Delphi. menghapus. PHP. Serupa dengan fenomena ini. Tool-tool berorientasi objek berfokus secara langsung pada database. Ini membantu membuat dan mengatur model. C++. dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet. Hal utama yang ada di DMBS adalah manajemen data. 3. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. menampilkan kalkulasi berulang pada variabel yang berhubungan. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. Contoh dari object-oriented data manager: GemStone. dan Versant. mengubah. Abstraction digunakan untuk membuat hirarki inheritance. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. seperti: Lotus 1-2-3 dan Excel. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet. Alternatif lain. Express. dan karakter-karakter lain).7 Aplikasi Database dan Spreadsheet. angka.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. dan menampilkan data. banyak program spreadsheet menawarkan berbagai kemampuan DBMS. C#. Walaupun SQL digunakan untuk membuat dan mengakses database relasional.secara efisien. Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. yaitu untuk membuat. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report. statistik dan keuangan. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk.ST Page 23 . serta melibatkan faktor-faktor matematis. VBase. Java. solusinya tetap saja tiak efektif. Ontos. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik.

3. Keamanan jaringan dan data meningkat. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. Kedua. dan tool-tool manajemen. Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise. Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems. • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise. Pertama. Sistem enterprise jelas makin kompleks. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu. mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem. Manajer harus mengantisipasi tantangan ini. Sistem Pendukung Keputusan – Gunandjar. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada. Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. • Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin.10 Konsep Information Warehouse (IW). 3.ST Page 24 . adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen. hardware. 3. tanpa mengganggu ketersediaan sistem dan jaringan.kasar dan tak perlu menggunakan 4GLs yang ada. jaringan. dan biasanya berasal dari berbagai vendor. databases.

metodologi penampilan grafis.11 Arsitektur client . masing-masing dengan interface user sendiri-sendiri.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses. dan mainframe. manipulasi. Dicirikan oleh: • • GUI. IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. • Pada sistem client/server terdapat berbagai client. dihubungkan ke jaringan. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar. dan mudah dimengerti dalam pengambilan keputusan bisnis. dan efisien. IW adalah sekumpulan DBMS. sampai saat dibutuhkan. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan. User dihubungkan oleh interface ke Client. LAN. yang selama ini belum bisa dilakukan oleh user MSS. retrieval. tepat waktu. konstruksi presentasi. analisis. efektif. tool. interface. dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. akurat. . Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3.ST Page 25 Client-nya adalah PC atau workstation. ke dalam sistem yang fleksibel. Umumnya menggunakan yang digunakan untuk mengakses resources jaringan.server Arsitektur yang mencoba untuk mengorganisasi PC.

• Server melayani file sharing. transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar). dari permintaan client. command. atau pelayanan komunikasi ke jaringan. manajemen jaringan dan dokumen. dan/atau peralatan LAN. yang sudah umum digunakan semisal SQL sebagai presentasi ke server. • • • Server bisa berupa workstation yang besar.ST Page 26 . dan bagian back-end diselesaikan oleh server. dan video text. Server tidak memulai suatu pekerjaan. seperti misalnya manajemen e-mail. Aplikasi pesan. Sistem Pendukung Keputusan – Gunandjar. file server. print server. dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal). dan communication server. dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. BBS. tempat penyimpanan yang besar. Client dapat menampilkan berbagai query. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). Kebanyakan server adalah: database server. Server menangani database dan pemrosesan transaksi yang lebih intensif. seperti e-mail. penyimpanan dan retrieval informasi. • Pada client/server computing.computing server. Aplikasi client/server dibagi menjadi 4 kategori: 1.yang disediakan server. menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server. sebuah mainframe. • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. • • • • Server menampilkan hasil-hasilnya pada layarnya client. Client menampilkan manipulasi data lokal dan user interface-nya.

Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. selama bulan tertentu juga. Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality. dan dapat dilakukan oleh user itu sendiri. 3 faktor dalam multidimensionality: dimensi. atau tahunan. Tapi perlu diingat. caturwulan. bulanan. Contoh waktu: harian. mingguan. jalur distribusi. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu. segmen pasar. Penyebarluasan suatu database diantara berbagai jaringan komputer. lokasi gegrafis. salespeople (orang-orang bagian penjualan). yang dihitung berdasarkan unit. maka hal itu dapat dilakukan lebih cepat. tergantung pada volume data dan jumlah dimensinya. Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. masing-masingnya dikerjakan pada komputer yang berbeda. 3. • • Contoh ukuran: uang. seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. keuntungan penyimpanan. negara. unit bisnis. yang dilakukan oleh orang di bagian penjualan tertentu. dan waktu. atau remote akses komputer.2. aktual vs perkiraan.ST Page 27 . Contohnya. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. Contoh dimensi: produk. Pendekatan ini disebut dengan multidimensionality. ukuran. 4. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. sales volume (volume penjualan). atau industri. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. Sharing/pemakaian bersama pada file/peralatan lain. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. Sistem Pendukung Keputusan – Gunandjar.

). diperkuat dengan Q&E (dari Q&E Corp. Quest (dari Gupta Corp. yang bertumpu pada lingkungan database relasional terdistribusi. dan data access and reporting tools. Personal Access (dari Spinnaker Corp. Pengembangan selanjutnya adalah penambahan pada arsitektur client/server. LightShip (dari Pilot Software). Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya. Contoh produknya: • • • • • • • Excel (dari Microsoft).). end-user data access. sekarang dibeli Microsoft). Tool ini ditujukan untuk mendayagunakan user. Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat.). Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP). Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. Selama beberapa waktu. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan. Data dipping ini memiliki juga nama lain: Business Intelligence Systems. 3. Forest and Trees (dari Channel Computing. dan pendekatan client/server.. Lotus 1-2-3 (dari Lotus Development Corp. jaringan. teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing). aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data.• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional. GUI. daripada bagaimana data diakuisisi atau disimpan.12. sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar. Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS.ST . diperkuat dengan DataLens. Sehingga. Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data. dimana tool ini berbasiskan PC yang murah. Contoh aplikasi OLTP ini: INFORMIX-OnLine. Pengaksesan Data: Data Dipping. Visual Basic (dari Microsoft). Beberapa orang menyebut hal ini data dipper.

3. sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal. dan knowledge. Pendekatan ini disebut dengan intelligent database.). Pengembangan aplikasi MSS membutuhkan akses ke database. Sebagai contoh. dan personal. pribadi dan publik. informasi. penggunaan. reviewing. terus menerus mengumpulkan data. dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data.ST Page 29 .Trinzic Corp. eksternal. tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent. dapat mempermudah manajemen database. Teknologi AI. khususnya ES. Updating. Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing. dan menyimpannya ke dalam sistem terkomputerisasi. Sistem Pendukung Keputusan – Gunandjar.13 Intelligent Database Organisasi.

OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data. data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data). MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. atau malah tak ada data sama sekali. direktori. • • • • • • • SQL adalah akses standar untuk database relasional. kamus (dictionaries). report. data yang waktunya tidak tepat (nontimely data). berbagai MSS ditawarkan pada sistem client/server. sangat berguna dalam MSS terdistribusi. Data diorganisasi dalam berbagai cara. OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). Untuk kebanyakan MSS.ST Page 30 . tipe yang disukai adalah relasional. DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. dan lain-lain. terlalu banyak data.• • • Data eksternal tersedia dalam ribuan database komersial online. Sebagai contoh adalah Information Warehouse dari IBM. maupuan jaringan. • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS. Juga Sistem Pendukung Keputusan – Gunandjar. • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. hirarkikal. baik itu berarsitektur relasional.

Sistem Pendukung Keputusan – Gunandjar.menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi.ST Page 31 . walaupun data tersebut berada pada file dan database yang berbeda. • Dalam client/server. beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. dan berbagai penyedia layanan yang lain (server). telekomunikasi. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda.

4. spreadsheets. dampak DSS pada individu). Berturutturut ES/DSS. C+ Menggunakan 4GL: data-oriented language. Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). 3. Quattro Pro. dan +. MIS bisa digunakan untuk ini.BAB IV MEMBANGUN DSS 4. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. apalagi yang besar. Memiliki jaminan Untuk DSS yang kompleks. pendekatan di atas.ST Page 32 . semi terstruktur. bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis. C. Lotus 1-2-3.1 Pendahuluan Membangun sebuah DSS. Tulis DSS dengan bahasa pemrograman umum: Pascal. dan lainnya. Express. C#. DSS. jaringan) dan perilaku (interaksi manusiamesin. merupakan proses yang rumit. 2. 5. Menggunakan DSS Generator: Excel. 4.2 Strategi Pengembangan 1. Java. 6. Delphi. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. EFPM untuk kalangan perguruan tinggi. • • Melibatkan hal-hal: teknis (hardware. Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya.3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur. financial-oriented language. 4. kualitas yang memadai. ataupun terstruktur.

Orientation.ST Page 33 . Problem Diagnosis. Tests Phase E Phase F Implementation: Testing and Evaluation. dan pengembangan DSS berbasis tim vs pengembangan berbasis user. haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Demonstration. sifat berulang dari suatu proses. Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut. Objectives of DSS. Sistem Pendukung Keputusan – Gunandjar.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara. Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models. Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). Training. 4.Phase A Planning: Needs Assesment. berbagai pendekatan konstruksi DSS.

Waktu terjadinya umpan balik dari user singkat. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. tapi berguna. Proses berulang terdiri dari 4 tugas. Dari situ. dalam membantu pengambil keputusan. konstruksi. Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita. informasi yang dibutuhkan.out process (proses sementara). Nama lainnya adalah middle. dan memodifikasi sistem secara berulang. Meningkatkan pemahaman user terhadap sistem. • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process). IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi. Page 34 Sistem Pendukung Keputusan – Gunandjar. Pendekatan Prototyping Evolusioner. diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. 3. IRD bisa juga melibatkan CSF (Critical Success Factors). Menghaluskan. proses berulang (iterative process). desain. dan implementasi) ke dalam 1 langkah yang diulang-ulang. atau cukup disebut prototyping saja. adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). Mengevaluasi sistem terus menerus. 2. Mengembangkan sistem yang kecil. Memilih submasalah penting yang akan dibangun pertama kali. • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat.Pendekatan SDLC (System Development Life Cycle).ST . Di satu sisi memahami kebutuhan user adalah hal yang sulit. seperti di bawah ini: 1. 4. mengembangkan.

5.6 Pengembangan DSS berbasis Tim Menentukan DSS Group.dan kemampuannya. Sistem Pendukung Keputusan – Gunandjar. • Biayanya rendah. dan prosesnya memakan biaya. 4. Dalam kelompok pusat informasi (Information Center Group). 3. dan berbagai tool. untuk mendapat kinerja yang diinginkan. sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. sistemnya kompleks. seiring pesatnya perkembangan di bidang PC (Personal Computer). berkurangnya biaya hardware maupun software. jaringan komunikasi komputer.ST Page 35 . Dalam kelompok manajemen pengetahuan (Management Science Group). 6. Secara organisasi penempatan DSS Group bisa dimana-mana. Dimulai mulai tahun 1980-an. tenaga ahli. Berbagai individu dalam setiap kategori tadi. Intinya dengan berbasis tim. 4. 2. Executive Staff Group. • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user.5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar. • Pendekatan lainnya adalah membangun DSS berbasiskan user. Tentu saja kedua pendekatan ini bisa dikombinasikan. penghubung (intermediaries). Sistem ini didesain oleh tim yang terdiri dari user. lama. Dalam departemen rekayasa industri. Dalam departemen IS (Information Services). maka pembangunan DSS menjadi kompleks. DSS builder. umumnya pada lokasi: 1. Dalam wilayah keuangan atau fungsi lainnya. dan didesain utama untuk mendukung organisasi. 4.

• Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4. dan pemilihan dapat diterapkan pada analisis DSS. Grafis lebih disukai.4. Pendekatan ROMC. desain. Fase pengambilan keputusan: intelligence. and Control Mechanisms).8 Pendekatan ROMC (Representations. Terbagi atas 4 entitas berorientasi user: 1.7 Perencanaan DSS Generator. 2. mendasarkan diri pada 5 karakteristik keputusan: 1.Memory Aids. file Sistem Pendukung Keputusan – Gunandjar. tampilan “split screen”. Bantuan untuk mengingat sesuatu. 4.Operations. Representasi. Operasi.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan . Mekanisme kontrol. yang merupakan proses yang bebas. yang merupakan titik awal bagi desain sistem. 2. 3. Pendekatan ROMC membantu menyelesaikan kesulitan ini. 3. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik. Bantuan untuk mengingat sesuatu (misal: laporan.

all invoking choice: activities for intelligence.data. skills. secara pribadi mengatur dukungan sistem. Workspace for developing assignment tables. Conceptualizations: 1. Table showing salespeople and their customer assignments. customer data. Aid to direct personal control conventions knowledge. applied via direct. Operations for intelligence. Gather data on customers. File drawers with old tables. Temporary storage. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya. Scratch paper. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1. dan knowledge.Differentdecision-making processes 2. 5. assets and liabilities. and and decision types. ketrampilan. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung.ST . 3. Automated memory aids: List of customers. Staff reminder. design. Compare alternatives. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. DSS Messages. design. Views of on customers. Relationship between A map outline. mental rules. A scatterplot of assets versus liabilities. Create alternative customer assignments for salespeople. Computerize address Query the database. Pengambil keputusan berbeda dalam gaya. Rolodex. and choice. ketrampilan. 4. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar.Library for saving tables. 2. A variety of styles. Represenations: A city map. dan knowledge mereka sendiri. Summary sheets Extracted data on customers. and 4. dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS. indeks. 4. A variety of memory aids: 3. Update lists to show assignments.

user dan lingkungan. yang mampu untuk menentukan kebutuhan fungsional seluruhnya. Standard operating procedures. Revise orders or procedures Training and explanation in how to give orders to the DSS. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah. DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional. Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula. Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. 2. Sistem jarang mencapai hasil final.personal control: Accepted conventions for interpersonal communication. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1. Contoh: kemampuan “what-if”. 4. berubah pada saat system dipakai. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah. mengantisipasi apa yang dibutuhkan secara lengkap. Procedures operations. Solusi yang diturunkan melalui DSS bersifat subjektif. design. Ability to override DSS defaults or procedures. baik user maupun pembangun DSS.ST Page 38 . Orders to staff. User tak tahu. atau tak dapat mengungkapkan. apa yang mereka mau dan butuhkan. dan persepsi dari sifat dasar masalah. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. Faktorfaktor ini memang sering berubah-ubah. Fleksibelitas menyelesaikan. Sistem Pendukung Keputusan – Gunandjar. Perubahan yang terjadi haruslah mudah untuk dilakukan. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence. Konsep user mengenai tugas.9 Jenis Fleksibelitas dalam DSS: 1.

Ini diatur oleh pembangun DSS. 4. dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). Fleksibelitas memodifikasi. 4. Biayanya sangat rendah. dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti. Fleksibelitas berevolusi. e-mail yang digunakan oleh CEO. 3. Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan. Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah). Masalah implementasi DSS dapat dikurangi. Waktu penyelesaiannya singkat. pengolah kata yang digunakan oleh sekretaris. 3. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. atau pada perluasan masalah.10 Komputasi End-User. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu. 2. resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar.ST Page 39 . Fleksibelitas mengadaptasi. Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser. Sistem Pendukung Keputusan – Gunandjar.11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. 4. Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi.2. kualitas bias tak terjaga 2. Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder). Resikonya adalah : 1. 4. Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal.

12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation. Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4. Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet.13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program.ST . Page 40 Sistem Pendukung Keputusan – Gunandjar.4.

Dengan kemampuan PC yang luar biasa sekarang ini. Manajemen projek. Pengolah kata. Jaringan. (2) hardware seperti apakah yang dipakai untuk menjalankannya. Bahasa penghasil grafis. Tool pembangun ES. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. Bahasa pemrograman (generasi ketiga). Bahasa pemodelan. Page 41 Sistem Pendukung Keputusan – Gunandjar. Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. Kemudian dengan adanya program-program berbasis Windows. (4) jaringan seperti apakah yang akan dipakai untuk menjalankannya. CASE tools. Kalender (manajemen waktu). Bahasa khusus yang lain (misal: untuk membangun simulasi). software DSS lebih banyak ditemui pada jenis komputer mikro.• • • • • • • Manajemen Data.ST . Tool pemrograman berorientasi objek.14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan. Pemilihan Software. Microsoft Excel 4. Grafis bisnis. Desk management. Komunikasi. Bahasa analisis data statistikal umum. (3) sistem operasi seperti apa yang akan digunakan.

.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. Inc.ST .15 Merangkai semuanya dalam satu sistem. 3. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. 9. 4. Harga seringkali berubah. misalnya oleh Data Decisions. 8. 6. Paket software selalu berganti dengan cepat. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. Dari sini tidak diketahui secara lengkap. 4. kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar. Data dipertimbangkan masak. dan Software Digest. dan jurnal panduan user. semuanya bersifat subjektif dan seringkali dangkal ulasannya. Beberapa orang terlibat dalam tim evaluasi. Semua masalah teknis. dan manajerial harus Evaluasi komersial yang tersedia. 7. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan.masak. Suatu bahasa digunakan dalam membangun berbagai DSS. seperti: • Penanganan permintaan/query (mendapatkan informasi dari database). Pro. 5. yang setara dengan sumber-sumber informasi lain. end-user. yang lain memiliki konflik langsung dengan yang lain lagi. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. 2. misalnya PC Week dan Infosystems. lain. Mereka hanyalah merupakan salah satu sumber informasi saja. Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. Beberapa kriteria tak bisa diukur. fungsional.

4. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri. Diperlukan kemampuan: 1. 2. dan (4) mewujudkan system sharing. (3)meningkatkan kontrol pada sumber-sumber informasi organisasi. Generator laporan (memformat laporan output). Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS.). Sistem manajemen knowledge. Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed). Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda. Struktur. 3. (2)mengurangi dampak penggunaan sistem (lebih user-friendly). dll.16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan. Generator grafis. Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda. Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. penginterpretasian.• • • • • • • Fasilitas analisis dan desain sistem (pengeditan.ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . Sistem manajemen berbasis model. Sistem manajemen dialog (antarmuka user). dan lalu beradaptasi secara otomatis pada evolusi usernya.

Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. dan antarmuka user. Manajemen data. 2.ST Task User behavior Quality of decision made Page 44 . Ini adalah kontrol intelijen yang mengandung satu knowledge base. manajemen model.yaitu characteristics Sistem Pendukung Keputusan – Gunandjar. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System). environment DSS 4. 3. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS.1. yang merupakan komponen dasar dari sembarang DSS.17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS. 4.

memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan. mesin pembelajaran (machine learning). DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). Saat ini DSS tak kreatif. dan ilmu politik. ES bisa memberikan kontribusi utama dalam hal ini. GUI. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif. arsitektur client/server. dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru. Manajemen sains. dapat digunakan untuk meningkatkan DSS. memanajemen kerancuan dan kekompleksan. menjelaskan struktur masalah. sumber model DSS. ilmu komputer. Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu.ST . dan tool manajemen data. Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. teori perilaku. ekonomi informasi. Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan. 6. 3. Perkembangan terbaru pada teknologi komputer.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. telekomunikasi. sistem berbasis pengetahuan. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. 4. 2. Kontribusi serupa bisa dating dari psikologi kognitif. 5.

Integrasi DSS dengan ES. Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi. 9. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS. baik mengenai teorinya dan dalam pengembangan software. Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup. Konsep manajemen model harus dikembangkan. etik. menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. 10. Riset DSS harus melebarkan perspektifnya. CBIS lainnya. yang sulit untuk diukur atau bahkan ditentukan. berhubungan dengan keefektifan organisasi dan perencanaan strategis. dan estetik. 11. 14. Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. Masalahnya adalah bagaimana melakukannya. Ini akan membutuhkan variabel yang lebar jangkauannya. 16.ST Page 46 . dan keefektifan. Masalah sosial dan etik juga harus lebih diperhatikan. 12. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. atau paling tidak menghasilkan peneluran ide. 8. 15. Riset harus dilakukan pada interaksi diantara individu dan grup. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. 17. 7.masalah yang tak terstruktur. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. Teori DSS harus ditingkatkan. pembelajaran. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama. 13.

Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. konstruksi. 5. implementasi. kecenderungan ke depan adalah menjadi DSS terdistribusi. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi. 2. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. builder. 18. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). riset. personal. Dampak organisasional dari MSS bisa signifikan. tenaga pendukung. teknik AI.ST . dan pemegang tool. desain. Riset lebih lanjut harus diarahkan pada wilayah ini. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya. 3. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS. Langkah utamanya adalah: perencanaan. 4. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi. Terdapat berbagai strategi pengembangan. 4.18 DSS masa Depan 1. dan adaptasi. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. analisis. Partisipan dalam proses konstruksi adalah: user. 6. group DSS akan lebih lazim di masa depan. perawatan.meningkatkan kemampuan pengambilan keputusannya. perantara.

Pembangunan DSS dengan tim mengikuti proses terstruktur. active. familiar dengan kebutuhannya. Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan.ST . Peneluran ide dapat ditingkatkan dengan software elektronik. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. dan implementasinya lebih mudah. pemilihan software yang sesuai (generator jika dibutuhkan). Software elektronik menggunakan asosiasi. termasuk perencanaan. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. dan hardware. Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat.karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses. identifikasi pola. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat. • • DSS dapat dibangun oleh tim maupun individu. biaya rendah. DSS yang dapat berevolusi sendiri. Terdapat banyak sekali tool dan generator di pasaran. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar. Kecerdasan diperlukan secara khusus dalam manajemen masalah. Banyak DSS dibangun dalam lingkungan Windows. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS.

PT. dan M. Bandung.. Sistem Pendukung Keputusan – Gunandjar. Sistem Pendukung Keputusan. Decision Support and Expert Systems: Management Support Systems. Komputerisasi Pengambilan Keputusan. 1998. 2001.Ali Ramdhani. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban. Remaja Rosdakarya. United States of America. D. Prentice-Hall. C. Inc. Jakarta. Daihani. PT Elex Media Komputindo.Umar. lingkungan. Efraim.ST Page 49 . • • Variabel utama riset independen DSS adalah perilaku user. task.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide. Fourth Edition. K. Suryadi. dan kemampuan DSS. 1995.

Sign up to vote on this title
UsefulNot useful